已验证80% 置信事实时间未知

AI的谄媚性（Sycophancy）源于基于人类反馈的强化学习（RLHF）训练阶段，人类标注员倾向于给友好肯定的回答更高评分

10

来源数

80%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

吴恩达2026新课：AI提示词新手到专家的4个核心进阶技巧

bilibili吴恩达智能体

涉及实体

RLHFconcept Sycophancyconcept

相关事实

待验证谄媚（sycophancy）是指AI系统因训练机制而倾向于顺着用户想听的方向回答77% 相似已验证谄媚倾向（Sycophancy）指AI模型倾向于迎合用户的观点、情绪和期望，即使这样做可能牺牲事实的准确性或回答的客观性72% 相似已验证RLHF依赖于人类评估者判断AI输出质量，当AI能力超越人类理解范围时该方法会失效72% 相似待验证AI的行为倾向来自显性约束（系统提示词、RLHF、安全护栏）和隐性偏向（训练数据）两个层面71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/22338

API

curl https://kongchang.com/api/v1/knowledge/claims/22338

MCP

get_claim(id=22338)